Expressiva inline-taggar
På denna sida
Uppdaterat den 3 november 2026, baserat på xAI:s sida för Text to Speech och referensen för Voice API: de fjorton officiella inline-taggarna, uppdelade i xAI:s fyra familjer (pauser, skratt och gråt, munljud, andning). Taggar debiteras på samma sätt som övrig text. Källor: Text to Speech · Voice API.
Lägg till känslor och realism i talet
Inline-taggar är markörer som du infogar direkt i din text för att utlösa en engångsvisuell expression: en paus, ett skratt, ett munljud eller ett andetag. xAI publicerar fjorton sådana, fördelade på fyra familjer. De gör talgenereringen betydligt mer naturlig och uttrycksfull.
Syntax för inline-taggar
Du skriver inline-taggar inom hakparenteser, [tag], och infogar dem direkt i texten, precis där du vill att effekten ska inträffa:
Hej! [pause] Hur mår du idag?
Under syntesen ersätts taggen med motsvarande ljudeffekt. Den omgivande texten uttalas normalt.
Pauser
Pauser ger talet struktur och en naturlig rytm:
[pause]: en kort paus[long-pause]: en längre paus, för ämnesbyte eller för att låta en idé sjunka in[hum-tune]: att humma en melodi, vilket xAI placerar i samma familj
Första idén. [pause] Andra idén. [long-pause] Nu går vi vidare till nästa ämne.
Under tiden [hum-tune] låt oss se vad vi har lärt oss.
Pauser är särskilt användbara mellan sektioner i en lång text, eller för att ge lyssnaren tid att ta till sig viktig information.
Skratt och gråt
Dessa taggar lägger till känslomässiga reaktioner mitt i talet:
[laugh]: ett hjärtligt skratt[chuckle]: ett tyst fniss[giggle]: ett fnitter[cry]: gråt
Det är verkligen fantastiska nyheter! [laugh] Jag är så glad för din skull.
De fungerar särskilt bra i dialoger, poddar och berättande innehåll, där de bryter monotonin i klassisk talsyntes.
Munljud
[tsk]: ett “tsk” av irritation eller ogillande[tongue-click]: ett tungklick[lip-smack]: ett läppsmack
[tsk] Ännu ett möte som har flyttats.
Andning
Andetag får talet att låta mer mänskligt:
[breath]: ett andetag[inhale]: ett inandning[exhale]: en utandning[sigh]: en suck
[breath] Välkommen till detta nya kapitel.
Och ja, ännu ett möte [sigh] men detta blir kort, det lovar jag.
Taggen [breath] är subtil men hjälper till vid långa texter: utan andetag kan en lång uppläsning låta mekanisk.
Placera taggar strategiskt
Hur väl inline-taggar fungerar beror på var du placerar dem. Här är de bästa praxis.
I början av en mening
Placera [breath] i början av ett nytt stycke eller en ny sektion för att efterlikna någon som naturligt börjar tala:
[breath] Nu går vi vidare till den praktiska delen av denna lektion.
Mellan två meningar
Använd [pause] eller [long-pause] för att skapa en naturlig paus:
Den första punkten är viktig. [long-pause] Den andra är ännu viktigare.
Efter en viktig information
En [pause] efter en viktig siffra ger lyssnaren tid att smälta den:
Intäkterna ökade med 47 %. [pause] Det är vårt bästa kvartal någonsin.
Fullständigt exempel
Här är en text som kombinerar flera taggar för ett naturligt resultat:
{
"text": "[breath] Hej alla, och välkomna till denna presentation. [pause] Idag ska vi prata om ett fascinerande ämne. [long-pause] Artificiell intelligens som talar. [chuckle] Ja, det är lite meta, jag vet. [pause] Men du kommer att se, resultaten är imponerande. [breath] Låt oss börja med grunderna.",
"voice_id": "eve",
"language": "en"
}
Viktiga punkter
- Du skriver inline-taggar inom hakparenteser,
[tag], inuti texten [pause]och[long-pause]formar talets rytm[pause],[long-pause]och[hum-tune]utgör pausfamiljen[laugh],[chuckle],[giggle]och[cry]lägger till känslor;[tsk],[tongue-click]och[lip-smack]lägger till munljud[breath],[inhale],[exhale]och[sigh]får talet att låta mer mänskligt- Placera taggar där en person naturligt skulle pausa eller reagera
- Taggar räknas mot gränsen på 60 000 tecken per begäran och debiteras som övrig text